Belegarbeit (.pdf - 2.3 MB) - Technische Universität Dresden

6. TESTS 44
fig zu Verwechslungen. In einer Umgebung in der nur das wirklich benötigte Vokabular genutzt wird,
kann dem nach eine bedeutend höhere Worterkennungsrate erreicht werden. Ein weiteres Problem für
den Vergleich besteht darin, dass die SAPI sprecherabhängig arbeitet. In diesem Fall war der Erkenner
durch eine vorab Trainingszeit von insgesamt etwa 60 Minuten besonders auf meine Stimme trainiert
und um einen neuen Vokabulareintrag hinzuzufügen musst dieser ebenfalls noch einmal eingesprochen
werden. Das sollte dem Erkenner normalerweise einen Vorteil verschaffen. Eine interessante Frage besteht
darin, welchen Einfluss die Sprecherabhängigkeit auf die Erkennungsrate hat. Im Folgenden wird
der gesamte Test noch einmal mit einem Sprecher wiederholt, auf den Erkenner vorher nicht trainiert
wurde. Erschwerend kommt hinzu, dass es sich nun um eine Sprecherin handelt, der Erkenner ist jedoch
weiter auf einen männlichen Sprecher eingestellt. Das Ergebnis dieser Testreihe ist in Tabelle 6.4 zu sehen.
Dabei hat der Erkenner in allen Bereichen deutlich schlechter abgeschnitten. Auch bei diesem Test
Menüpunkt Anzahl richtig verwechselt Worterkennungsrate
der Befehle erkannt in Prozent
Musik 31 46 109 29,68
Anrufe 24 37 83 30,83
Spiele 18 71 19 78,89
eMail 13 29 36 44,61
Hauptmenü 11 33 22 60
Tabelle 6.4: Worterkennungsrate des Dictation Pad (untrainiert)
gibt es wieder einen besonders abweichenden Wert. Diesmal ist es die Erkennungsrate für den Menüpunkt
Spiele, die eine deutlich bessere Erkennungsrate als alle anderen aufweist. Trotzdem wäre sie für
einen Einsatz in Anwendungen nicht ausreichend. Aus den Ergebnissen kann man klar ablesen, dass die
Sprecherabhängigkeit einen sehr großen Einfluss auf die Worterkennungsrate hat. Es macht also wenig
Sinn zu versuchen eine Anwendung, die sprecherunabhängig sein soll, mit einen sprecherabhängigen
Erkenner zu erstellen.
6.1.4 Vergleich
Um die verschiedenen Systeme noch einmal direkt gegenüber zu stellen werden in Tabelle 6.5 die einzelnen
Worterkennungsraten und ein Durchschnittswert angegeben. Bei der Dialog Demo kann man gut die
Abhängigkeit von Vokabulargröße und Worterkennungsrate erkennen. Der beste Wert von 89,23Prozent
ist allerdings immernoch zu niedrig. Wenn man selbst eine Anwendung auf der Basis von Sphinx erstellt
kann man daran aber noch Verbesserungen vornehmen. Der JLab Speech Server hingegen hält einen